以智能制造为代表的工业4.0时代正在到来,机器人在装备制造、航空航天、流体制造以及物流工程等各个领域中都扮演举足轻重的角色。机械臂的控制技术是机器人技术的重要单元。当前在包络空间、环境复杂、高动态的场景下,开展实现机械臂的高效避障路径规划技术的研究也显得愈发重要。本文以六自由度机械臂为研究对象,配合使用机器视觉在动态复杂场景下的机械臂自主避障完成路径规划的关键技术进行了研究,主要工作和特色如下:首先,利用图像智能识别技术对抓取物体进行特征提取,运用了两种图像处理方法对目标进行检测:基于轮廓的目标检测算法,通过模板特征点匹配来获得筛选结果;由于传统视觉检测方法目标容易受到光照不均匀、尺度变化敏感等多种环境因素的影响,使用卷积神经网络Yolov3模型对目标进行检测定位。为了解决在机械臂嵌入式环境下面临的计算能力有限和功耗过高的问题,提出改进的轻量化Yolov3网络模型,并对公开数据集和部分自取场景数据进行训练测试,验证了该网络模型的有效性、准确性。然后,针对传统的RRT*路径规划算法在采样时随机性过强,搜索效率较低,规划时间较长的缺点,提出一种新的改进策略RRT*FN-Replan算法。采用E-greedy策略来决定重用旧树和采样新节点之间的选择,以贪心和随机的思想相结合来平衡采样的过程;利用椭圆采样子集,将采样空间收缩到一个椭圆形区域中以加快寻找更好的规划路径。通过对比实验的结果分析充分验证算法的优越性。最后,为了验证上述方法在机械臂避障规划中应用的有效性,本文基于ROS开发环境,采用模块化设计,建立了一套机械臂的避障路径规划的仿真模型,初步证明算法的有效性。将改进算法在机械臂平台上进行实际验证,结果表明所提算法使得机械手臂在抓取过程中可以有效安全地避开障碍物完成自主规划。